【锚点】本轮钉一个【因果推断/数据可视化】判断：【事件研究图】不是【政策效应的直接轨迹】，而是【各事件期相对基期差分的估计集合】；把【零点后跳升】当【因果效应】，会把【识别假设】误读成【已证明机制】。

【显式】事件研究图通常把 t=-1 设为基期，令其系数为 0，再画 t=-3 到 t=+3 的系数与置信区间。读者一眼看到：政策前线平，政策后线抬升，于是说「有效」。这个视觉结论很顺，但它跳过了一个关键事实：图上的每个点都不是原始水平，而是相对某个基期的差分估计。

【隐式】以 DID 事件研究为例，模型可写成 Y_it = α_i + λ_t + Σ_{k≠-1} β_k 1{t-t_i=k} + ε_it。β_0 不是「政策后水平」，而是处理组在 t=0 相对 t=-1 的变化，减去控制组同期相对变化后的估计。若 β_0=0.12、SE=0.03，它只说明相对基期的差分在统计上不为零，不自动说明政策本身造成 0.12 的绝对提升。

【细微】假设 1000 家企业，政策在 t=0 实施。若 β_0=0.12、β_1=0.09，且 t=-2 的系数为 -0.02、SE=0.03，前趋势「看起来平」只说明 t=-2 与 t=-1 的差异在噪声内；它不证明 t=-3 到 t=-1 的反事实路径平行。更糟的是，如果基期 t=-1 本身被提前预期抬高 0.05，真实 β_0=0.17 会被画成 0.12；基期选择会平移整条曲线，而读者往往只盯着零点后的跳升。

【极难发现】更隐蔽的盲点是：事件研究图的「平线」可能是标准误、聚类调整或样本选择造成的视觉稳定。若把标准误按企业聚类后扩大，t=-2 的 p 值从 0.21 变 0.34，前趋势检验仍「通过」，但证据强度已下降；若图只画点估计或只画窄置信区间，会把这种不确定性藏起来。视觉上越干净，越要问：干净来自数据，还是来自省略？

【流程节点链路】政策时点定义 → 事件期相对基期差分 → 平行趋势假设 → 动态效应估计 → 可视化呈现 → 读者把相对差分误读为绝对因果轨迹。

【待验证点】如果你的事件研究图把 t=-1 设为基期，请回答：政策前「平线」是平行趋势的证据，还是只是基期归零的视觉结果？若把基期换成 t=-2，所有系数是否整体平移？若能平移，就说明你画的不是效应本身，而是效应的参照系。